Azkaban概述及安装部署
一、 Azkaban概论
1.1 为什么需要工作流调度系统
- 一个完整的数据分析系统通常都是由大量任务单元组成:Shell脚本程序,Java程序,MapReduce程序、Hive脚本等
- 各任务单元之间存在时间先后及前后依赖关系
- 为了很好地组织起这样的复杂执行计划,需要一个工作流调度系统来调度执行;
1.2 常见工作流调度系统
1)简单的任务调度:直接使用Linux的Crontab来定义;
2)复杂的任务调度:开发调度平台或使用现成的开源调度系统,比如Ooize、Azkaban、 Airflow、DolphinScheduler等。
1.3 Azkaban与Oozie对比
对市面上最流行的两种调度器,给出以下详细对比,以供技术选型参考。总体来说,Ooize相比Azkaban是一个重量级的任务调度系统,功能全面,但配置使用也更复杂。如果可以不在意某些功能的缺失,轻量级调度器Azkaban是很不错的候选对象。
1.4 Azkaban架构
1.5 Azkaban完整配置
见官网文档:https://azkaban.readthedocs.io/en/latest/configuration.html
二、Azkaban入门
2.1 集群模式安装
2.1.1 上传tar包
1)将azkaban-db-3.84.4.tar.gz,azkaban-exec-server-3.84.4.tar.gz,azkaban-web-server-3.84.4.tar.gz上传到hadoop102的/opt/software路径(相关安装包文件详见我的分享资源)
[hadoop@hadoop102 software]$ ll
总用量 35572
-rw-r--r--. 1 hadoop hadoop 6433 4月 18 17:24 azkaban-db-3.84.4.tar.gz
-rw-r--r--. 1 hadoop hadoop 16175002 4月 18 17:26 azkaban-exec-server-3.84.4.tar.gz
-rw-r--r--. 1 hadoop hadoop 20239974 4月 18 17:26 azkaban-web-server-3.84.4.tar.gz
2)新建/opt/module/azkaban目录,并将所有tar包解压到这个目录下
[hadoop@hadoop102 software]$ mkdir /opt/module/azkaban
3)解压azkaban-db-3.84.4.tar.gz、 azkaban-exec-server-3.84.4.tar.gz和azkaban-web-server-3.84.4.tar.gz到/opt/module/azkaban目录下
[hadoop@hadoop102 software]$ tar -zxvf azkaban-db-3.84.4.tar.gz -C /opt/module/azkaban/
[hadoop@hadoop102 software]$ tar -zxvf azkaban-exec-server-3.84.4.tar.gz -C /opt/module/azkaban/
[hadoop@hadoop102 software]$ tar -zxvf azkaban-web-server-3.84.4.tar.gz -C /opt/module/azkaban/
4)进入到/opt/module/azkaban目录,依次修改名称
[hadoop@hadoop102 azkaban]$ mv azkaban-exec-server-3.84.4/ azkaban-exec
[hadoop@hadoop102 azkaban]$ mv azkaban-web-server-3.84.4/ azkaban-web
2.1.2 配置MySQL
1)正常安装MySQL
2)启动MySQL
[hadoop@hadoop102 azkaban]$ mysql -uroot -p000000
3)登陆MySQL,创建Azkaban数据库
mysql> create database azkaban;
4)创建Azkaban表,完成后退出MySQL
mysql> use azkaban;
mysql> source /opt/module/azkaban/azkaban-db-3.84.4/create-all-sql-3.84.4.sql
mysql> quit;
2.1.3 配置Executor Server
Azkaban Executor Server处理工作流和作业的实际执行。
1)编辑azkaban.properties
[hadoop@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-exec/conf/azkaban.properties
修改如下标属性
#...时区
default.timezone.id=Asia/Shanghai
#...
azkaban.webserver.url=http://hadoop102:8081
executor.port=12321
#...
database.type=mysql
mysql.port=3306
mysql.host=hadoop102
mysql.database=azkaban
mysql.user=root
mysql.password=000000
mysql.numconnections=100
在最后添加
executor.metric.reports=true
executor.metric.milisecinterval.default=60000
2)同步azkaban-exec到所有节点
[hadoop@hadoop102 azkaban]$ xsync /opt/module/azkaban/azkaban-exec
#xsync为分发脚本,可以到https://blog.csdn.net/weixin_42796403/article/details/110949253这篇博客中获取
3)必须进入到/opt/module/azkaban/azkaban-exec路径,分别在三台机器上,启动executor server
[hadoop@hadoop102 azkaban-exec]$ bin/start-exec.sh
[hadoop@hadoop103 azkaban-exec]$ bin/start-exec.sh
[hadoop@hadoop104 azkaban-exec]$ bin/start-exec.sh
#因为配置文件中为相对路径,所以必须在此路径(也可以在配置文件中配置绝对路径)
注意:如果在/opt/module/azkaban/azkaban-exec目录下出现executor.port文件,说明启动成功
4)下面激活executor,需要(注意:每次启动服务都需要激活)
[hadoop@hadoop102 azkaban-exec]$ curl -G "hadoop102:$(<./executor.port)/executor?action=activate" && echo
[hadoop@hadoop103 azkaban-exec]$ curl -G "hadoop103:$(<./executor.port)/executor?action=activate" && echo
[hadoop@hadoop104 azkaban-exec]$ curl -G "hadoop104:$(<./executor.port)/executor?action=activate" && echo
<./executor.port:类似于标准输出,将当前目录下./executor.port文件中的内容读取出来作为变量。
如果三台机器都出现如下提示,则表示激活成功
{“status”:“success”}
2.1.4 配置Web Server
Azkaban Web Server处理项目管理,身份验证,计划和执行触发。
1)编辑azkaban.properties
[hadoop@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban.properties
修改如下属性
...
default.timezone.id=Asia/Shanghai
...
database.type=mysql
mysql.port=3306
mysql.host=hadoop102
mysql.database=azkaban
mysql.user=azkaban
mysql.password=000000
mysql.numconnections=100
...
azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus
说明:
azkaban.executorselector.filters: 当有多个Executor同时启动的时候,需要从中选择一个Executor去执行任务,这里设置一组过滤器的种类,不满足要求的Executor就不会被分配任务
#StaticRemainingFlowSize:正在排队的任务数;
#CpuStatus:CPU占用情况
#MinimumFreeMemory:内存占用情况。测试环境,必须将MinimumFreeMemory删除掉,否则它会认为集群资源不够,不执行。
2)修改azkaban-users.xml文件,添加hadoop用户
[hadoop@hadoop102 azkaban-web]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban-users.xml
<azkaban-users>
<user groups="azkaban" password="azkaban" roles="admin" username="azkaban"/>
<user password="metrics" roles="metrics" username="metrics"/>
<--此处为添加新用户,并赋予管理员权限和查看metrics的权限>
<user password="hadoop" roles="metrics,admin" username="hadoop"/>
<role name="admin" permissions="ADMIN"/>
<role name="metrics" permissions="METRICS"/>
</azkaban-users>
3)必须进入到hadoop102的/opt/module/azkaban/azkaban-web路径,启动web server
[hadoop@hadoop102 azkaban-web]$ bin/start-web.sh
4)访问http://hadoop102:8081,并用hadoop用户登陆